-
公开(公告)号：CN108665479B
公开(公告)日：2022-11-08
申请号：CN201710428155.9
申请日：2017-06-08
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于压缩域多尺度特征TLD的红外目标跟踪方法，获取视频图像的多尺度特征并且将每一个多尺度特征级联成列向量，构建高斯稀疏测量矩阵并利用其对多尺度特征列向量进行降维处理以减少数据量，根据贝叶斯分类器对所有已降维的多尺度特征进行分类，通过多尺度的最大后验概率获取目标位置，根据所述目标位置确定跟踪目标。本发明能够在目标旋转、快速移动及目标被遮挡等情况下对目标进行稳定跟踪，具有较好的鲁棒性能。
-
公开(公告)号：CN108665435A
公开(公告)日：2018-10-16
申请号：CN201810015843.7
申请日：2018-01-08
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于拓扑-图切融合优化的多谱段红外图像背景抑制方法，分别对多谱段的红外图像进行局部Patch预处理获得预处理后的图像，根据拓扑微分方法对所述预处理后的图像进行强起伏边缘的抑制获得最优扩散系数，根据获得的最优扩散系数与梯度均值滤波相结合分别对单波段图像进行背景抑制，获得若干个单波段杂波抑制后的目标图像；根据尺度区域能量理论模型对所述获得的若干个单波段杂波抑制后的目标图像进行融合，得到多谱段融合的背景抑制结果图像；对所述多谱段融合的背景抑制结果图像进行图切策略优化，消除融合后图像的局部轮廓效应，最终获得背景抑制后的图像。本发明能有效地抑制红外图像中所包含的高灰度级、起伏剧烈的红外背景，并能够突出目标信息。
-
公开(公告)号：CN107403134A
公开(公告)日：2017-11-28
申请号：CN201710391310.4
申请日：2017-05-27
Applicant: 西安电子科技大学
CPC classification number: G06K9/00624 , G06K9/342 , G06K9/6288 , G06K2209/21
Abstract: 本发明公开了一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，该方法为：将含弱小目标的红外图像转化成以节点和其边权关系为表示方式的局部梯度三边图信号；其次，根据图拉普拉斯矩阵的多尺度变换对局部梯度三边图信号进行多尺度分解，获得图信号在不同尺度下的低高频子带；再次，根据图信号的边权关系对每个尺度的高频子带进行局部加权，并取其中值作为新的中心节点系数，然后对局部加权后的高频子带作乘性融合；最后，对乘性融合后的高频子带进行自适应阈值分割，确定目标空间位置，输出检测结果。
-
公开(公告)号：CN108665481B
公开(公告)日：2022-05-31
申请号：CN201810259132.4
申请日：2018-03-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种多层深度特征融合的自适应抗遮挡红外目标跟踪方法，首先，获得一系列相同尺寸不同层级的多层深度特征图；然后，根据相关滤波将所述多层深度特征图从时域转换到频域，并且根据快速傅里叶变换进行滤波器训练和响应图计算，再根据层内特征加权融合对多层深度特征图进行合并降维处理，构建出不同层级的特征响应图并且求出最大相关响应值即为目标估计位置；最后，对目标稠密特征进行提取，根据相关滤波获得特征最大响应值，获得通过深度卷积特征所估计的目标中心位置的响应置信度；当所述目标中心位置的响应置信度小于重检测阈值T0时，通过在线目标重检测对获得的目标估计位置进行评估并且根据评估结果对目标的位置进行自适应更新。
-
公开(公告)号：CN108665479A
公开(公告)日：2018-10-16
申请号：CN201710428155.9
申请日：2017-06-08
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于压缩域多尺度特征TLD的红外目标跟踪方法，获取视频图像的多尺度特征并且将每一个多尺度特征级联成列向量，构建高斯稀疏测量矩阵并利用其对多尺度特征列向量进行降维处理以减少数据量，根据贝叶斯分类器对所有已降维的多尺度特征进行分类，通过多尺度的最大后验概率获取目标位置，根据所述目标位置确定跟踪目标。本发明能够在目标旋转、快速移动及目标被遮挡等情况下对目标进行稳定跟踪，具有较好的鲁棒性能。
-
Patent Agency Ranking
公开(公告)号：CN108665422A
公开(公告)日：2018-10-16
申请号：CN201710766350.2
申请日：2017-08-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种傅里叶域内逆向感知的单帧红外非均匀性检测方法，将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶-对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱；从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱；根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射；根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果。本发明基于图像傅里叶域的频谱分布特性，利用人类视觉系统逆向感知理论实现红外图像的非均匀性检测，以达到对单帧红外图像像质提升效果。
-
公开(公告)号：CN108665422B
公开(公告)日：2022-05-10
申请号：CN201710766350.2
申请日：2017-08-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种傅里叶域内逆向感知的单帧红外非均匀性检测方法，将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶‑对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱；从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱；根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射；根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果。本发明基于图像傅里叶域的频谱分布特性，利用人类视觉系统逆向感知理论实现红外图像的非均匀性检测，以达到对单帧红外图像像质提升效果。
-
公开(公告)号：CN107403134B
公开(公告)日：2022-03-11
申请号：CN201710391310.4
申请日：2017-05-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，该方法为：将含弱小目标的红外图像转化成以节点和其边权关系为表示方式的局部梯度三边图信号；其次，根据图拉普拉斯矩阵的多尺度变换对局部梯度三边图信号进行多尺度分解，获得图信号在不同尺度下的低高频子带；再次，根据图信号的边权关系对每个尺度的高频子带进行局部加权，并取其中值作为新的中心节点系数，然后对局部加权后的高频子带作乘性融合；最后，对乘性融合后的高频子带进行自适应阈值分割，确定目标空间位置，输出检测结果。
-
公开(公告)号：CN108665435B
公开(公告)日：2021-11-02
申请号：CN201810015843.7
申请日：2018-01-08
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于拓扑‑图切融合优化的多谱段红外图像背景抑制方法，分别对多谱段的红外图像进行局部Patch预处理获得预处理后的图像，根据拓扑微分方法对所述预处理后的图像进行强起伏边缘的抑制获得最优扩散系数，根据获得的最优扩散系数与梯度均值滤波相结合分别对单波段图像进行背景抑制，获得若干个单波段杂波抑制后的目标图像；根据尺度区域能量理论模型对所述获得的若干个单波段杂波抑制后的目标图像进行融合，得到多谱段融合的背景抑制结果图像；对所述多谱段融合的背景抑制结果图像进行图切策略优化，消除融合后图像的局部轮廓效应，最终获得背景抑制后的图像。本发明能有效地抑制红外图像中所包含的高灰度级、起伏剧烈的红外背景，并能够突出目标信息。
-
公开(公告)号：CN108665481A
公开(公告)日：2018-10-16
申请号：CN201810259132.4
申请日：2018-03-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种多层深度特征融合的自适应抗遮挡红外目标跟踪方法，首先，获得一系列相同尺寸不同层级的多层深度特征图；然后，根据相关滤波将所述多层深度特征图从时域转换到频域，并且根据快速傅里叶变换进行滤波器训练和响应图计算，再根据层内特征加权融合对多层深度特征图进行合并降维处理，构建出不同层级的特征响应图并且求出最大相关响应值即为目标估计位置；最后，对目标稠密特征进行提取，根据相关滤波获得特征最大响应值，获得通过深度卷积特征所估计的目标中心位置的响应置信度；当所述目标中心位置的响应置信度小于重检测阈值T0时，通过在线目标重检测对获得的目标估计位置进行评估并且根据评估结果对目标的位置进行自适应更新。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
